ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 9-24

Дистанционные оптико-микроволновые измерения параметров леса: современное состояние исследований и экспериментальная оценка возможностей

Т.Н. Чимитдоржиев 1 , А.В. Дмитриев 1 , И.И. Кирбижекова 1 , А.А. Шерхоева 1 , А.К. Балтухаев 1 , П.Н. Дагуров 1 
1 Институт физического материаловедения СО РАН, Улан-Удэ, Россия
Одобрена к печати: 10.07.2018
DOI: 10.21046/2070-7401-2018-15-4-9-24
Представлен обзор современных направлений дистанционного зондирования (ДЗ) леса при совместном использовании оптической мультиспектральной съёмки, данных радиолокационной интерферометрии и частично поляриметрии. На основе анализа публикаций последних лет показано, что рассматриваемый комплексный подход позволяет расширить возможности ДЗ по оценке таксационных параметров леса по сравнению с технологиями, предполагающими анализ характеристик только радиолокационными или оптическими мультиспектральными методами. В экспериментальной части кратко описаны алгоритмы обработки оптических и радиолокационных поляриметрических данных для определения преобладающей породы, сомкнутости лесного полога, объёма надземной биомассы. Для одного из ключевых таксационных параметров леса ― средней высоты ― методика расчёта описана более подробно и проведён детальный анализ точности радиолокационных интерферометрических измерений, основанный на результатах, полученных авторами. Установлено систематическое занижение действительной высоты леса: расхождение результатов радарной интерферометрии и подспутниковых измерений достигает 5,5 м при значениях полноты древостоя 0,5; 0,9 и 1, а при полноте от 0,6 до 0,8 изменяется в диапазоне от 2 до 4 м. Сделан вывод о необходимости корректировки результатов радарной интерферометрии путём добавки соответствующих величин, полученных для различных значений полноты леса. Результаты дистанционных оптико-микроволновых измерений параметров леса размещены в интернете в соответствии с современными тенденциями свободного распространения научных данных.
Ключевые слова: радиолокационная интерферометрия, радиолокационная поляриметрия, спектральный анализ, текстура изображений, комбинирование данных, таксация леса
Полный текст

Список литературы:

  1. Барталев С. А., Егоров В. А., Жарко В. О., Лупян Е. А., Плотников Д. Е., Хвостиков С. А., Шабанов Н. В. Спутниковое картографирование растительного покрова России. М.: ИКИ РАН, 2016. 208 c.
  2. Бондур В. Г. Современные подходы к обработке больших потоков гиперспектральной и многоспектральной аэрокосмической информации // Исследование Земли из космоса. 2014. № 1. С. 4–16.
  3. Гаврилюк Е. А., Ершов Д. В. Тематическое картографирование породной структуры лесов на основе спутниковых изображений Landsat-TM/ETM+ // Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве: докл. 5-й Всерос. конф., посвященной памяти выдающихся ученых-лесоводов В. И. Сухих и Г. Н. Коровина. Москва, 22–24 апреля 2013. М.: ЦЭПЛ РАН, 2013. С. 112–115.
  4. Дмитриев А. В., Чимитдоржиев Т. Н., Гусев М. А., Дагуров П. Н., Емельянов К. С., Захаров А. И., Кирбижекова И. И. (2014а) Базовые продукты зондирования Земли космическими радиолокаторами с синтезированной апертурой // Исследование Земли из космоса. 2014. №. 5. С. 83−83.
  5. Дмитриев А. В., Чимитдоржиев Т. Н., Кирбижекова И. И., Дагуров П. Н., Базаров А. В., Гармаев А. М., Емельянов К. С., Гусев М. А. (2014б) Технология создания и применения базовых продуктов спутниковой радиолокации // Вычислительные технологии. 2014. Т. 19. № 3. C. 5−13.
  6. Ефременко В. В., Мошков А. В., Семёнов А. А., Чимитдоржиев Т. Н. Метод выявления угнетенной растительности по данным спектрозонального сканера // Исследование Земли из космоса. 1997. № 6. С. 3−10.
  7. Жарко В. О., Барталев С. А., Сидоренков В. М. Исследование возможностей использования данных Sentinel 2, полученных в условиях наличия снежного покрова, для оценки запаса стволовой древесины в лесах // 15-я Всероссийская открытая конф. «Современные проблемы дистанционного зондирования Земли из космоса»: сб. тез. Москва. 2017. С. 360. URL: http://smiswww.iki.rssi.ru/d33_conf/thesisshow.aspx?page=144&thesis=6501.
  8. Лупян Е. А., Саворский В. П. Базовые продукты обработки данных дистанционного зондирования Земли // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 2. С. 87–97.
  9. Лупян Е. А., Мазуров А. А., Назиров Р. Р., Прошин А. А., Флитман Е. В., Крашенниникова Ю. С. Технологии построения информационных систем дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 1. С. 26–43.
  10. Лупян Е. А., Саворский В. П., Шокин Ю. И., Алексанин А. И., Назиров Р. Р., Недолужко И. В., Панова О. Ю. Современные подходы и технологии организации работы с данными дистанционного зондирования Земли для решения научных задач // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 2. С. 21–44.
  11. Миллер С. А. Архитектура инфраструктуры пространственных данных Германии // Пространственные данные. 2010. № 2. С. 7–15. URL: http://www.gisa.ru/70146.html (Дата обращения: 07.06.2018).
  12. Чимитдоржиев Т. Н., Быков М. Е., Кантемиров Ю. И., Холец Ф., Барбиери М. Технология количественной оценки высоты леса по данным космических радарных тандемных интерферометрических съемок со спутников TerraSAR-X/TanDEM-X // Геоматика. 2014. № 1. С. 72−79.
  13. Чимитдоржиев Т. Н., Быков М. Е., Кантемиров Ю. И., Кирбижекова И. И., Лабаров Б. Б., Балтухаев А. К. К вопросу о точности определения высоты леса по данным радиолокационной интерферометрии TanDEM-X // Сибирский лесной журн. 2016. № 4. С. 128−133.
  14. Askne J. I., Dammert P. B., Ulander L. M., Smith G. C-band repeat-pass interferometric SAR observations of the forest // IEEE Transactions on Geoscience and Remote Sensing. 1997. V. 35. No. 1. P. 25−35. DOI: 10.1109/36.551931.
  15. Beaudoin A., Bernier P. Y., Guindon L., Villemaire P., Guo X. J., Stinson G., Bergeron T., Magnussen S., Hall R. J. Mapping attributes of Canada’s forests at moderate resolution through kNN and MODIS imagery // Canadian J. Forest Research. 2014. V. 44. No. 5. P. 521–532. DOI: 10.1139/cjfr-2013-0401.
  16. Colgan M. S., Baldeck C. A., Féret J.-B., AsnerG. P. Mapping savanna tree species at ecosystem scales using support vector machine classification and BRDF correction on airborne hyperspectral and LiDAR data // Remote Sensing. 2012. V. 4. No. 11. P. 3462–3480. DOI: 10.3390/rs4113462.
  17. Deutscher J., Gutjahr K., Perko R., Raggam H., Hirschmugl M., Schardt M. Humid tropical forest monitoring with multi-temporal L-, C-and X-band SAR data // Proc. IEEE 9th Intern. Workshop on the Analysis of Multitemporal Remote Sensing Images (Multi-Temp). Bruges, Belgium, 2017. P. 1–4.
  18. Dobson M. C., Ulaby F. T., LeToan T., Beaudoin A., Kasischke E. S., Christensen N. Dependence of radar backscatter on coniferous forest biomass // IEEE Transactions on Geoscience and remote Sensing. 1992. V. 30. No. 2. P. 412−415. DOI: 10.1109/36.134090.
  19. Engler R., Waser L. T., Zimmermann N. E., Schaub M., Berdos S., Ginzler C., Psomas A. Combining ensemble modeling and remote sensing for mapping individual tree species at high spatial resolution // Forest ecology and management. 2013. V. 310. P. 64–73. DOI: 10.1016/j.foreco.2013.07.059.
  20. Englhart S., Keuck V., Siegert F. Aboveground biomass retrieval in tropical forests — The potential of combined X- and L-band SAR data use // Remote Sensing of Environment. 2011. V. 115. No. 5. P. 1260–1271. DOI: 10.1016/j.rse.2011.01.008.
  21. Feng Q., Chen E., Li Z., Li L., Zhao L. Forest vertical structure parameters extraction from airborne X-band InSAR data // 2016 IEEE Intern. Geoscience and Remote Sensing Symp. (IGARSS). IEEE, 2016. P. 155–158. DOI: 10.1109/IGARSS.2016.7729031.
  22. Fransson J. E. S., Smith G., Askne J., Olsson H. Stem volume estimation in boreal forests using ERS-1/2 coherence and SPOT XS optical data // Intern. J. Remote Sensing. 2001. V. 22. No. 14. P. 2777−2791. DOI: 10.1080/01431160010006872.
  23. Gama F. F., Dos Santos J. R., Mura J. C. Eucalyptus Biomass and Volume Estimation Using Interferometric and Polarimetric SAR Data // Remote Sensing. 2010. V. 2. No. 4. P. 939–956. DOI: 10.3390/rs2040939.
  24. Gonçalves F. G., Santos J. R., Treuhaft R. N. Stem volume of tropical forests from polarimetric radar // Intern. J. Remote Sensing. 2011. V. 32. No. 2. P. 503−522. DOI: 10.1080/01431160903475217.
  25. Goodenough D. G., Chen H., Cloude S. R., Gordon P. Multisource aboveground carbon estimation of forests // 2016 IEEE Intern. Geoscience and Remote Sensing Symp. (IGARSS). IEEE, 2016. P. 147–150.
  26. Haack B., Mahabir R. Separability Analysis of Integrated Spaceborne Radar and Optical Data: Sudan Case Study // J. Remote Sensing. 2017. V. 5. No. 1. P. 10–21. DOI: 10.18005/JRST0501002.
  27. Imhoff M. L. Radar backscatter and biomass saturation-Ramifications for global biomass inventory. // IEEE Trans. Geoscience and Remote Sensing. 1995. V. 33. No. 2. P. 511–518. DOI: 10.1109/36.377953.
  28. Jaaskelainen T., Silvennoinen R., Hiltunen J., ParkkinenJ. P. S. Classification of the reflectance spectra of pine, spruce, and birch // Applied Optics. 1994. V. 33. No. 12. P. 2356–2362. DOI: 10.1364/AO.33.002356.
  29. Joshi N., Baumann M., Ehammer A., Fensholt R., Grogan K., Hostert P., Jepsen M. R., Kuemmerle T., Meyfroidt P., Mitchard E. T.A., Reiche J., Ryan C. M., Waske B. A review of the application of optical and radar remote sensing data fusion to land use mapping and monitoring // Remote Sensing. 2016. V. 8. No. 1. P. 70. DOI: 10.3390/rs8010070.
  30. Le Maire G., François C., Soudani K., Berveiller D., Pontailler J.-Y., Bréda N., Genet H., Davi H., Dufrêne E. Calibration and validation of hyperspectral indices for the estimation of broadleaved forest leaf chlorophyll content, leaf mass per area, leaf area index and leaf canopy biomass // Remote Sensing of Environment. 2008. V. 112. No. 10. P. 3846–3864. DOI: 10.1016/j.rse.2008.06.005.
  31. Li W., Chen E., Li Z., Ke Y., Zhan W. Forest aboveground biomass estimation using polarization coherence tomography and PolSAR segmentation // Intern. J. Remote Sensing. 2015. V. 36. No. 2. P. 530−550. DOI: 10.1080/01431161.2014.999383.
  32. Neumann M., Ferro-Famil L., Reigber A. Estimation of forest structure, ground, and canopy layer characteristics from multibaseline polarimetric interferometric SAR data // IEEE Trans. Geoscience and Remote Sensing. 2010. V. 48. No. 3. P. 1086−1104. DOI: 10.1109/TGRS.2009.2031101.
  33. Perko R., Raggam H., Deutscher J., Gutjahr K., Schardt M. Forest assessment using high resolution SAR data in X-band // Remote Sensing. 2011. V. 3. No. 4. P. 792−815. DOI: 10.3390/rs3040792.
  34. Puliti S., Solberg S., Næsset E., Gobakken T., Zahabu E., Mauya E., Malimbwi R. E. Modelling above Ground Biomass in Tanzanian Miombo Woodlands Using TanDEM-X WorldDEM and Field Data // Remote Sensing. 2017. V. 9. No. 10. P. 984. DOI: 10.3390/rs9100984.
  35. Pulliainen J., Engdahl M., Hallikainen M. Feasibility of multi-temporal interferometric SAR data for stand-level estimation of boreal forest stem volume // Remote Sensing of Environment. 2003. V. 85. No. 4. P. 397−409. DOI: 10.1016/S0034-4257(03)00016-6.
  36. Reiche J., Hamunyela E., Verbesselt J., Hoekman D., Herold M. Improving near-real time deforestation monitoring in tropical dry forests by combining dense Sentinel-1 time series with Landsat and ALOS-2 PALSAR-2 // Remote Sensing of Environment. 2018. V. 204. P. 147−161. DOI: 10.1016/j.rse.2017.10.034.
  37. Remote Sensing of Forest Environments: Concepts and Case Studies / eds. Wulder M. A., Franklin S. E. Springer Science and Business Media, 2003. 519 p.
  38. Sadeghi Y., St-Onge B., Leblon B., Simard M. Papathanassiou K. Role of Vegetation Phenology (Leaf-on, Leaf-off) in the Accuracy of Forest Height Maps Derived from TanDEM-X Interferograms // Conf. POLinSAR 2015, Frascati, Italy. URL: https://goo.gl/aPNMsr.
  39. Santoro M., Eriksson L. E. B., Fransson J. E. S. Reviewing ALOS PALSAR Backscatter Observations for Stem Volume Retrieval in Swedish Forest // Remote Sensing. 2015. V. 7. No. 4. P. 4290–4317. DOI: 10.3390/rs70404290.
  40. Sauer S., Kugler F., Lee S. K., Papathanassiou K. Polarimetric decomposition for forest biomass retrieval // 2010 IEEE Intern. Geoscience and Remote Sensing Symp. (IGARSS). IEEE, 2010. P. 4780−4783. DOI: 10.1109/IGARSS.2010.5653894.
  41. Schepaschenko D., McCallum I., Shvidenko A., Fritz S., Kraxner F., ObersteinerM. A new hybrid land cover dataset for Russia: a methodology for integrating statistics, remote sensing and in situ information // J. Land Use Science. 2011. V. 6. No. 4. P. 245–259. DOI: 10.1080/1747423X.2010.511681.
  42. Schmitt M., Shahzad M., Zhu X. X. Forest remote sensing on the individual tree level by airborne millimeterwave SAR // 2016 IEEE Intern. Geoscience and Remote Sensing Symp. (IGARSS). IEEE, 2016. P. 151–154. DOI: 10.1109/IGARSS.2016.7729030.
  43. Soudani K., François C., Le Maire G., Le Dantec V., Dufrêne E. Comparative analysis of IKONOS, SPOT, and ETM+ data for leaf area index estimation in temperate coniferous and deciduous forest stands // Remote Sensing of Environment. 2006. V. 102. No. 1. P. 161−175. DOI: 10.1016/j.rse.2006.02.004.
  44. Tian J., Schneider T., Straub C., Kugler F., Reinartz P. Exploring Digital Surface Models from Nine Different Sensors for Forest Monitoring and Change Detection // Remote Sensing. 2017. V. 9. No. 3. P. 287. DOI: 10.3390/rs9030287.
  45. Wilson B. T., Lister A. J., Riemann R. I. A nearest-neighbor imputation approach to mapping tree species over large areas using forest inventory plots and moderate resolution raster data // Forest Ecology and Management. 2012. V. 271. P. 182–198. DOI: 10.1016/j.foreco.2012.02.002.
  46. Zhang Z., Ni W., Sun G., Huang W., Ranson K. J., Cook B. D., Guo Z. Biomass retrieval from L-band polarimetric UAVSAR backscatter and PRISM stereo imagery // Remote Sensing of Wnvironment. 2017. V. 194. P. 331–346. DOI: 10.1016/j.rse.2017.03.034.